一种滤布破损的检测方法和系统技术方案

本发明专利技术公开了一种滤布破损的检测方法，包括：对待测滤布进行图像采集，获取待测滤布图像；针对待测滤布图像中的每个像素点，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及最优结构参数

A Method and System for Detecting the Damage of Filter Cloth

【技术实现步骤摘要】
一种滤布破损的检测方法和系统
本专利技术涉及滤布检测
，特别是涉及一种滤布破损的检测方法和系统。
技术介绍
随着计算机技术和传感器技术的迅速发展，工业自动化步伐的加快以及新技术的不断涌现，企业对工业现场的全自动化运行提出了需求。在食品行业中，经常会使用工业滤布对原料进行过滤操作，以便去除杂质，获取优质的原料。但是，滤布在重复使用的过程中会因多次被挤压与折叠出现破损，从而导致杂质过滤效果降低，因此需要准确识别出滤布中的破损，以便进行缝补或者更换，从而避免过滤后的原料中混入过多的杂质，降低原料质量。目前传统的工业滤布破损检测方式主要还是依靠操作工进行肉眼观察，这种检测方式的精度较差、容易受到主观因素影响，漏检、误检的情况也较常发生，同时人工操作的效率也较低，易疲劳，进而导致工业生产的效率降低。综上所述，如何有效地避免肉眼观测滤布导致的效率低下，精度较差等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种滤布破损的检测方法和系统，以有效地避免肉眼观测滤布导致的效率低下，精度较差等问题。为解决上述技术问题，本专利技术提供如下技术方案：一种滤布破损的检测方法，包括：对待测滤布进行图像采集，获取待测滤布图像；针对所述待测滤布图像中的每一个像素点，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及最优结构参数下的灰度共生矩阵，并将该灰度共生矩阵首尾相连形成特征向量V(x,y)；其中，w为预先确定的横向滤布周期，h为预先确定的竖向滤布周期；计算各个特征向量V(x,y)与参考特征向量之间的距离，获得相似性分布图；通过预设的阈值对所述相似性分布图进行二值化，定位出破损区域；根据定位出的所述破损区域确定所述待测滤布图像的破损检测结果。优选的，所述w*h的窗口为通过以下步骤确定出的窗口：选取正常无破损滤布图像作为模板滤布图像，确定所述模板滤布图像在水平方向上的二维距离匹配函数的二次前向差分ΔDr(p)，以及在垂直方向上的二维距离匹配函数的二次前向差分ΔDc(p)；将所述二次前向差分ΔDr(p)的最大值确定为所述模板滤布图像的横向纹理周期，并作为所述模板滤布图像以及所述待测滤布图像的横向滤布周期w；将所述二次前向差分ΔDc(p)的最大值确定为所述模板滤布图像的竖向纹理周期，并作为所述模板滤布图像以及所述待测滤布图像的竖向滤布周期h；其中，所述模板滤布图像所对应的滤布与所述待测滤布为相同种类的滤布。优选的，所述最优结构参数为通过以下步骤确定出的参数：设定所述模板滤布图像的尺度为S，方向数目为D；针对所述模板滤布图像中的每一个像素点(i,j)，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及参数Ps,d(1≤s≤S,1≤d≤D)下的灰度共生矩阵，并针对任意一个灰度共生矩阵，将该灰度共生矩阵首尾相连形成特征向量Vs,d(i,j)；计算出所述模板滤布图像在参数为Ps,d时的参考特征向量Rs,d，以及在参数为Ps,d时的各特征向量Vs,d(i,j)与所述参考特征向量Rs,d的相似性距离Ds,d(i,j)；其中，Ds,d(i,j)＝||Vs,d(i,j)-Rs,d||，W为所述模板滤布图像的横向长度，H为所述模板滤布图像的竖向长度；计算在参数为Ps,d时，相似性距离Ds,d(i,j)的均方差δs,d以及均值μs,d，其中，将均方差δs,d最小时所对应的结构参数作为最优结构参数其中，s*为最优尺度，d*为最优方向。优选的，所述阈值优选的，所述通过预设的阈值对所述相似性分布图进行二值化，定位出破损区域，包括：通过灰度图像二值化计算公式确定出二值化图像，将所述二值化图像中的特征区域的轮廓确定为定位出的破损区域。优选的，所述根据定位出的所述破损区域确定所述待测滤布图像的破损检测结果，包括：统计所述破损区域中所包含的像素点的个数A，并确定破损面积S＝A*B，其中，B为单个像素点所占面积；根据所述破损面积S确定所述待测滤布图像的破损检测结果。优选的，预设的灰度级数N为16。优选的，在所述获取待测滤布图像之后，计算灰度共生矩阵之前，还包括：对所述待测滤布图像进行滤波。优选的，在所述获取待测滤布图像之后，计算灰度共生矩阵之前，还包括对所述待测滤布图像进行直方图均衡化。一种滤布破损的检测系统，其特征在于，包括：图像获取模块，用于对待测滤布进行图像采集，获取待测滤布图像；特征向量生成模块，用于针对所述待测滤布图像中的每一个像素点，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及最优结构参数下的灰度共生矩阵，并将该灰度共生矩阵首尾相连形成特征向量V(x,y)；其中，w为预先确定的横向滤布周期，h预先确定的竖向滤布周期；相似性分布图确定模块，用于计算各个特征向量V(x,y)与参考特征向量之间的距离，获得相似性分布图；破损区域确定模块，用于通过预设的阈值对所述相似性分布图进行二值化，定位出破损区域；破损检测结果确定模块，用于根据定位出的所述破损区域确定所述待测滤布图像的破损检测结果。应用本专利技术实施例所提供的技术方案，灰度共生矩阵可以有效地提取待测图像的特征信息，因此利用灰度共生矩阵进行纹理特征的提取，进而便可以通过特征相似性距离度量定位破损区域。具体的，在获取待测滤布图像之后，可以针对待测滤布图像中的每一个像素点，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及最优结构参数下的灰度共生矩阵，并将该灰度共生矩阵首尾相连形成特征向量V(x,y)；之后计算各个特征向量V(x,y)与参考特征向量之间的距离，获得相似性分布图，再通过预设的阈值对相似性分布图进行二值化，定位出破损区域，最后根据定位出的破损区域确定待测滤布图像的破损检测结果。由于本申请采用了图像识别的方式进行滤布破损的检测而非人工肉眼检测，也就不会受到主观因素影响，降低了漏检、误检的发生概率，同时也有利于提高效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术中一种滤布破损的检测方法的实施流程图；图2a为本专利技术中一种具体场合中的滤布图像的灰度分布情况示意图；图2b为本专利技术中一种具体场合中的非线性映射函数的曲线图；图3a为本专利技术一种具体实施方式中的滤布图像的二维距离匹配函数的横向滤布周期示意图；图3b为本专利技术一种具体实施方式中的滤布图像的二维距离匹配函数的竖向滤布周期示意图；图4a为本专利技术一种具体实施方式中模板滤布图像在水平方向的二次前向差分随周期p的变化示意图；图4b为本专利技术一种具体实施方式中模板滤布图像在垂直方向的二次前向差分随周期p的变化示意图；图5为本专利技术一种具体实施方式中在不同的尺度和方向下模板滤布图像的特征向量距离方差的变化曲线示意图；图6为本专利技术中一种滤布破损的检测系统的结构示意图。具体实施方式本专利技术的核心是提供一种滤布破损的检测方法，降低了漏检、误检的发生概率，同时也有利于提高效率。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本文档来自技高网...

【技术保护点】
1.一种滤布破损的检测方法，其特征在于，包括：对待测滤布进行图像采集，获取待测滤布图像；针对所述待测滤布图像中的每一个像素点，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及最优结构参数

【技术特征摘要】
1.一种滤布破损的检测方法，其特征在于，包括：对待测滤布进行图像采集，获取待测滤布图像；针对所述待测滤布图像中的每一个像素点，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及最优结构参数下的灰度共生矩阵，并将该灰度共生矩阵首尾相连形成特征向量V(x,y)；其中，w为预先确定的横向滤布周期，h为预先确定的竖向滤布周期；计算各个特征向量V(x,y)与参考特征向量之间的距离，获得相似性分布图；通过预设的阈值对所述相似性分布图进行二值化，定位出破损区域；根据定位出的所述破损区域确定所述待测滤布图像的破损检测结果。2.根据权利要求1所述的滤布破损的检测方法，其特征在于，所述w*h的窗口为通过以下步骤确定出的窗口：选取正常无破损滤布图像作为模板滤布图像，确定所述模板滤布图像在水平方向上的二维距离匹配函数的二次前向差分ΔDr(p)，以及在垂直方向上的二维距离匹配函数的二次前向差分ΔDc(p)；将所述二次前向差分ΔDr(p)的最大值确定为所述模板滤布图像的横向纹理周期，并作为所述模板滤布图像以及所述待测滤布图像的横向滤布周期w；将所述二次前向差分ΔDc(p)的最大值确定为所述模板滤布图像的竖向纹理周期，并作为所述模板滤布图像以及所述待测滤布图像的竖向滤布周期h；其中，所述模板滤布图像所对应的滤布与所述待测滤布为相同种类的滤布。3.根据权利要求2所述的滤布破损的检测方法，其特征在于，所述最优结构参数为通过以下步骤确定出的参数：设定所述模板滤布图像的尺度为S，方向数目为D；针对所述模板滤布图像中的每一个像素点(i,j)，以该像素点为中心选择w*h的窗口，计算该像素点在预设的灰度级数N以及参数Ps,d(1≤s≤S,1≤d≤D)下的灰度共生矩阵，并针对任意一个灰度共生矩阵，将该灰度共生矩阵首尾相连形成特征向量Vs,d(i,j)；计算出所述模板滤布图像在参数为Ps,d时的参考特征向量Rs,d，以及在参数为Ps,d时的各特征向量Vs,d(i,j)与所述参考特征向量Rs,d的相似性距离Ds,d(i,j)；其中，Ds,d(i,j)＝||Vs,d(i,j)-Rs,d||，W为所述模板滤布图像的横向...

【专利技术属性】
技术研发人员：李刘明，廉迎战，郑富豪，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44